// AI 新闻 · 2026-11-13 · Korea AI Times
KAIST 개발, 입모양 기반 AI 정확도 19.4% 달성
韩国科学技术院（KAIST）诺允曼教授研究团队利用扩散大型语言模型（DLLM），提出一种基于视觉语音识别（VSR）的新方法，通过优先识别清晰的唇形信息并结合上下文逐步解码模糊部分，提升了AI对唇语内容的理解能力。该技术避免了传统自回归模型中错误传播的问题，将单字错误率（WER）降至19.4%，在公开数据集LRS3上达到现有研究中最优水平。
原文发布 2026-11-13 12:21（北京时间）来源 Korea AI Times自动整理 · 已核对原文
01摘要
研究通过先学习唇形与文本的映射关系，再预测句子长度并生成多个候选句，最终选择最可信结果，有效缓解了视觉模态中的语义模糊性。成果可应用于高噪声工业环境或为听障人士提供语音辅助沟通的设备中，未来将聚焦于降低模型规模，推动其在无网络连接的可穿戴设备和机器人场景中的实时部署。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- KAIST研究团队采用扩散大型语言模型，优先识别清晰唇形再结合上下文解码模糊部分。
- 在LRS3数据集上实现19.4%的单字错误率，为当前最优水平。
- 通过多候选句生成与比对策略，缓解视觉语音识别中的模态模糊问题。
- 成果可应用于高噪声工业环境及听障人士沟通辅助设备中。
03原文出处
KAIST, 입모양만 보고 대화 읽는 AI 정확도 높였다…단어 오류율 19.4% 달성
Korea AI Times · 发布于 2026-11-13 12:21（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-13 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日